MMCPMarkets
AA

ashishpatel26/agentic-rag-with-mcp-server

开发工具

本页由 AI 翻译，技术细节请以原文为准。 查看原文

35 stars 10 forks 质量 44 趋势 12
Repository Install

与MCP服务器的代理RAG

概览

是一个强大的项目，集成了MCP（模型上下文协议）服务器和客户端，用于构建（检索增强生成）应用。 这种配置为您的RAG系统配备了先进工具，例如： 服务器托管这些智能工具，而客户端则展示如何无缝连接和使用它们。 服务器由 mcp 库中的 FastMCP 类驱动，提供了以下实用工具： 客户端演示了如何连接和交互MCP服务器： * 从MCP库建立与ClientSession的连接 * 列出所有可用的服务器工具 * 调用任何带有自定义参数的工具 * 利用MCP工具进行流程查询 * Python 3.9 或更高版本 * Openai Python 包 * mcp 库 * python-dotenv 用于环境变量管理 1. 创建一个 .env 文件（使用 .env.sample 作为模板） 2.将 OpenAI 模型设置为 .env 格式：

概述（AI 翻译）

✨ 概述

Agentic RAG with MCP Server 是一个强大的项目，集成了 MCP（模型上下文协议）服务器和客户端，用于构建 Agentic RAG（检索增强生成）应用。

这种配置为您的RAG系统配备了先进工具，例如：

  • 🕵️ ♂️ 实体提取
  • 🔍 查询精细化
  • ✅ 相关性检查

服务器托管这些智能工具，而客户端则展示如何无缝连接和使用它们。

🖥️ 服务器 — server.py

服务器由 mcp 库中的 FastMCP 类驱动，展示了以下便捷工具：

工具名称 说明 图标
get_time_with_prefix 返回当前日期和时间 ⏰
extract_entities_tool 使用 OpenAI 从查询中提取实体——增强文档检索相关性 🧠
refine_query_tool 通过 OpenAI 驱动的优化 提升用户查询质量 ✨
check_relevance 通过LLM检查块相关性过滤掉无关内容 ✅

本页由 AI 翻译，技术细节请以原文为准。

README

🚀 Agentic RAG with MCP Server

✨ Overview

Agentic RAG with MCP Server is a powerful project that brings together an MCP (Model Context Protocol) server and client for building Agentic RAG (Retrieval-Augmented Generation) applications.

This setup empowers your RAG system with advanced tools such as:

  • 🕵️‍♂️ Entity Extraction
  • 🔍 Query Refinement
  • ✅ Relevance Checking

The server hosts these intelligent tools, while the client shows how to seamlessly connect and utilize them.

🖥️ Server — server.py

Powered by the FastMCP class from the mcp library, the server exposes these handy tools:

Tool Name Description Icon
get_time_with_prefix Returns the current date & time ⏰
extract_entities_tool Uses OpenAI to extract entities from a query — enhancing document retrieval relevance 🧠
refine_query_tool Improves the quality of user queries with OpenAI-powered refinement ✨
check_relevance Filters out irrelevant content by checking chunk relevance with an LLM ✅

🤝 Client — mcp-client.py

The client demonstrates how to connect and interact with the MCP server:

  • Establish a connection with ClientSession from the mcp library
  • List all available server tools
  • Call any tool with custom arguments
  • Process queries leveraging OpenAI or Gemini and MCP tools in tandem

⚙️ Requirements

  • Python 3.9 or higher
  • openai Python package
  • mcp library
  • python-dotenv for environment variable management

🛠️ Installation Guide

# Step 1: Clone the repository
git clone https://github.com/ashishpatel26/Agentic-RAG-with-MCP-Server.git

# Step 2: Navigate into the project directory
cd Agentic-RAG-with-MCP-Serve

# Step 3: Install dependencies
pip install -r requirements.txt

🔐 Configuration

  1. Create a .env file (use .env.sample as a template)
  2. Set your OpenAI model in .env:
OPENAI_MODEL_NAME="your-model-name-here"
GEMINI_API_KEY="your-model-name-here"

🚀 How to Use

  1. Start the MCP server:
python server.py
  1. Run the MCP client:
python mcp-client.py

📜 License

This project is licensed under the MIT License.

Thanks for Reading 🙏

在 GitHub 查看完整 README

安装

This server does not publish a one-line install command.

Open the repository installation guide 新手？先看 mcpskill.org 教程 →